基于視頻的軌跡提取及行人異常行為檢測(cè)技術(shù)的研究.pdf

1、隨著監(jiān)控視頻數(shù)據(jù)的日益增長(zhǎng)，人工分析視頻的方式耗費(fèi)人力的同時(shí)也增加了安全保障的成本，越來越不能滿足實(shí)際需要。此時(shí)，智能化的視頻分析方法顯得尤為重要，異常檢測(cè)作為其中的一個(gè)研究方向受到廣泛關(guān)注。異常檢測(cè)就是通過對(duì)視頻的分析檢測(cè)出其中出現(xiàn)的目標(biāo)異常行為、異常事件。視頻中運(yùn)動(dòng)目標(biāo)的軌跡包含了豐富的時(shí)空信息，可以用來推斷目標(biāo)的行為特征，有很高的研究?jī)r(jià)值。然而，目前常用的基于軌跡的分析方法大多算法復(fù)雜，停留在理論分析階段。
　　本文在研究了

2、基于軌跡的異常行為檢測(cè)的常規(guī)步驟的基礎(chǔ)上，提出并實(shí)現(xiàn)了從目標(biāo)的可靠軌跡提取到異常行為建模并檢測(cè)異常的實(shí)時(shí)行人異常行為檢測(cè)系統(tǒng)。系統(tǒng)主要包括運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)檢測(cè)，穩(wěn)定跟蹤并提取軌跡，軌跡特征提取與學(xué)習(xí)和異常行為檢測(cè)四個(gè)階段。
　　首先，本文運(yùn)用改進(jìn)的混合高斯模型進(jìn)行前景檢測(cè)，引入帶信任度的高斯分布和可變的學(xué)習(xí)率，加快了模型對(duì)場(chǎng)景的學(xué)習(xí)速度和背景建立過程。由于被檢測(cè)為前景的陰影會(huì)使得目標(biāo)形狀不規(guī)則且范圍較大，影響跟蹤過程，因此本文使用顏

3、色空間的基于最大色度差的方法進(jìn)行陰影消除，獲得更精確的目標(biāo)形狀，降低了前景區(qū)域發(fā)生遮擋的概率。
　　然后，對(duì)目標(biāo)的穩(wěn)定跟蹤進(jìn)行了研究，提出了結(jié)合前景位置匹配與均值漂移算法的目標(biāo)關(guān)聯(lián)方法，根據(jù)在跟蹤過程中可能出現(xiàn)的不同情況將目標(biāo)分成若干種狀態(tài)，并通過有限自動(dòng)機(jī)進(jìn)行狀態(tài)管理，條件發(fā)生促使?fàn)顟B(tài)轉(zhuǎn)移，目標(biāo)從進(jìn)入視野到最后離開的整個(gè)過程都會(huì)得到相關(guān)記錄，因而可以提取出完整、可靠的軌跡信息。同時(shí)，對(duì)于場(chǎng)景內(nèi)的靜止目標(biāo)設(shè)置計(jì)時(shí)器，檢測(cè)目標(biāo)是否過

4、久停留。
　　最后，提取出每個(gè)軌跡點(diǎn)的速度、加速度、軌跡長(zhǎng)度異常增長(zhǎng)等信息組成固定長(zhǎng)度的特征向量，構(gòu)建自組織特征網(wǎng)絡(luò)對(duì)這些特征向量進(jìn)行訓(xùn)練學(xué)習(xí)，得到場(chǎng)景區(qū)域內(nèi)正常軌跡點(diǎn)的一般特征及其拓?fù)浣Y(jié)構(gòu)，通過比較正常軌跡點(diǎn)與待檢測(cè)軌跡點(diǎn)的特征值來判斷軌跡點(diǎn)是否異常，將含有多個(gè)異常軌跡點(diǎn)的軌跡判斷為異常。
　　本文提出的方法能夠快速的檢測(cè)異常軌跡點(diǎn)，進(jìn)而對(duì)可疑的行人軌跡實(shí)時(shí)預(yù)警。通過對(duì)一個(gè)露天停車區(qū)域拍攝的視頻上進(jìn)行的實(shí)驗(yàn)表明，該方法對(duì)異